《图像融合论文-图像融合算法研究及其实现》由会员分享，可在线阅读，更多相关《图像融合论文-图像融合算法研究及其实现（19页珍藏版）》请在金锄头文库上搜索。
1、图像融合算法研究及其实现摘要关键词：AbstractKeywords:目录摘要Abstract第一章 绪论1.1背景及其意义1.2国内国外研究现状1.3图像融合的原理及方法1.4本文的主要研究内容及章节安排第二章 图像融合质量的评价标准2.1主观评价方法2.2客观评价方法2.3小结第三章 图像预处理3.1 图像去噪3.2 图像增强3.3 图像配准3.4 小结第四章 基于空域的图像融合方法4.1像素灰度取最大最小方法4.2 像素加权系数融合方法4.3 主分量分析融合方法4.4实验结果对比4.5小结第五章 基于频域的图像融合方法5.1基于金字塔图像融合方法5.2基于小波变换的图像融合方法5.2.1
2、小波变换的基本理论5.2.2小波变换的图像融合算法5.3实验结果对比分析5.4小结第六章 总结与展望6.1总结6.2展望参考文献致谢第一章 绪论1.1图像融合的背景及其意义图像融合是指多源信道采集到的针对于同一目标的数据信息，经过数据处理等计算机技术，最大限度的提取各信道的有用信息，将之合成为一幅信息更全面、质量更高的图像。融合后的图像比单一图像的信息更为准确，更容易被计算机和人眼识别。成像相机通常只有一个有限的景深。在一个由摄像机捕获的图像中，只有聚焦的对象是清晰的，而其他对象是模糊的。通常我们需要考虑在不同焦距下，从同一角度进行的图像融合。图像融合的目的是整合互补多个图像的冗余信息，与单个
3、源图像相比，融合后的图像能更好的描述场景。图像融合在许多领域扮演重要角色，如遥感技术，生物医学成像，计算机视觉技术，防御系统等。在遥感技术中，图像融合将雷达图像和 LandsatMSS图像进行融合更好的用于地质解释；在生物医学成像中，由于 CT，MR，B 超，X 光片都是灰度图像，图像融合将这些不同仪器得到的图像进行处理，更容易医生对病人病情做出判断；在计算机视觉技术中，经过图像融合处理后的图像更容易于识别以及后续的机器处理；在防御系统中，图像融合被用于战场卫星监测和精确制导。1.2图像融合在国内国外研究现状图像融合早期被应用于多光谱卫星遥感图像的分析处理中，到80年代后期，图像融合逐渐开始引
4、起人们关注，并开始应用于遥感光谱图像的合成，进行地质、矿产、气候、环境探测和研究。到 90年代，这一领域扩展到可见光图像处理、红外图像处理、医学图像处理。近年来，图像融合技术已成为计算机视觉、自动控制，机器人、目标识别及军事领域。图像融合技术在国外美、英、德等技术先进的国家取得了一定的发展，并且这一技术受到高度重视。美国德克萨斯仪器公司利用红外热和微观图像融合，来提高夜视能力；美军在海湾战争中用于“F-16”的“LANTIAN”吊舱就是一种图像融合系统；美国还研究了基于红外光和可见图像的自适应数据融合实验床；西欧卫星中心也正在开发用于环境、战场监测的卫星系统，其重要的理论基础就是图像融合。目前
5、，国内有关图像融合的研究主要处于算法研究阶段，与国外先进水平相比还存才一定的差距，但已引起了高度重视，一些研究机构和大学在这一领域做了研究和探索，如中科院遥感所，中科院上海技术物理研究所等。图像融合在许多方面取得了显著的成就，但由于没有一个完整的、普遍适用的融合方法，导致结果与实用性较差，难以推广与应用。1.3图像融合的原理及方法1.3.1图像融合的流程由于图像融合方法没有统一标准，其处理过程也不尽相同，但大致可以分为以下几个步骤：图像预处理、图像融合、图像融合质量评价。图 1.3.1 图像融合流程图1.3.2图像融合的层次结构根据图像融合处理中融合方法的抽象程度的不同，将图像融合划分为三个层
6、次：像素级融合、特征级融合、决策级融合。像素级融合是最低层次的融合，它对多幅图像数据源进行处理，直接对多幅图像对应的像素点进行融合，融合过程如图：. 待融合图像图像预处理图像融合融合后图像图像质量评价源图像 1 图像去噪 图像配准源图像 2 图像去噪 图像配准源图像 n 图像去噪 图像配准像素级融合特征提取分类决策图 1.3.2.1 像素级图像融合流程图特征级融合抽象度居中，它是先经过特征提取再进行图像融合，流程图如下： 图 1.3.2.2 特征级图像融合流程图决策级融合是最高层次的融合，它先经过特征提取，特征分类再进行融合，它最大的特点就是不依赖于传感器，但需根据前两个的融合结果来做输入输出
7、处理，流程图如下： 图 1.3.2.3 决策级图像融合流程图由于特征级图像融合和决策级图像融合要建立在像素级图像融合的基础上，且像素及图像融合处理的数据量较小，实时性也较好，目前大多数的研究方向都是像素级图像融合，本文也是关于像素级图像融合来进行展开的。源图像 1 图像去噪 图像配准 特征提取源图像 2 图像去噪 图像配准 特征提取源图像 n 图像去噪 图像配准 特征提取特征级融合特征分类决策和解释源图像 1 图像去噪 图像配准 特征提取 特征分类源图像 1 图像去噪 图像配准 特征提取 特征分类源图像 1 图像去噪 图像配准 特征提取 特征分类决策级融合决策和解释1.4本文的主要研究内容及章
8、节安排本文简绍了针对融合后的图像的质量评价标准的几个方法，这将在本文的第二章给出，第三章是图像的预处理，第四章介绍了基于空域的图像融合方法，第五章介绍了基于频域的图像融合方法，最后是总结与展望。本文研究的主要内容是基于小波变换的图像融合方法 。第二章 图像融合质量的评价标准由于目前还没有找到一个完整的、普遍适用的融合方法，且对于不同的图像源，融合得到的结果也各有不同，这导致对融合后的图像的质量评价标准也各有不同。图像融合的评价方法分为两个方面，一个是基于人的感官的主观评价方法，一个是基于机器的客观评价方法。2.1图像融合的主观评价方法图像融合就是为了提高图像质量，使之更适合于人的视觉观察。主观
9、评价方法就是以人的视觉感知，对图像质量的好坏做出评价。这种方法快速、简单，且非常直观。当融合图像之间差别相对比较明显时，为了节省时间还是很适用的。但由于观察者各自的偏好不同，且容易受外界因数的影响，如：观察者、图像类型、应用场景、环境条件、这些因数有一定的随机性和片面性，且重复检查容易出现差异，故对于一些融合后的图像差异较小时容易产生争论，所以需要一些客观的评价方法。2.2图像融合的客观评价方法客观评价将视觉效果、心里变化等因数排除在外，克服了人为因素造成的影响，有一定的定量评价标准，但对于不同类型的图像，评价方法也各有不同，故制定一些定量的评价标准是一件非常有意义的事。2.2.1均值均值是图
10、像像素点的平均值，最简单的方法就是均值评价方法：= 1(,)其中， 是图像的大小， 是图像在点 处的像素值，当 (,) (,)均值适中时（灰度在 128左右） ，图像的光谱效果最好。2.2.2方差2= 1(,)2方差反应了图像灰度的分布情况及离散程度，若图像的方差越大，则图像的对比度越高。在图像融合中，方差越大，则图像融合的性能越好2.2.3图像梯度能量（EOG）,这种评价方法的计算式为：=(2+2)其中=(+1,)-(,)=(,+1)-(,)图像的梯度能量很好的反映了融合后的图像高频信息的变化程度，在高频能量一定的情况下，梯度能量越高则清晰度越高，另一方面，梯度可以很好的检测处图像的边缘信息
11、，可以有效的减少图像的重影。2.2.4特南鲍姆算法（Tenengrad）：特南鲍姆提出的质量评价方法,即 Tenengrad方法,它是基于Sobel算子得到梯度 。=-1=2-1=2(,)2 当 (,)其中 T是阈值， 是索贝尔梯度，其表达式为：(,)(,)=(,)2+(,)212, 又可以表示为：(,)(,)(,) =-(-1,-1)+2(-1,)+(-1,+1)+(+1,-1)+2(+1,)+(+1,+1)(,) =+(-1,-1)+2(,-1)+(+1,-1)+(-1,+1)+2(,+1)+(+1,+1)同能量梯度一样，Tenengrad 得到的值越大，则反应图像高频信息变化较大，图像融
12、合效果越好。2.2.5图像的拉普拉斯能量（EOL）：由图像的空间频率边界锐化分析可知，另一个质量评价指标是拉普拉斯算子：=(+)2其中+=-(-1,-1)-4(-1,)-(-1,+1)-4(,-1)+20(,)-4(,+1)-(+1,-1)-4(+1,)-(+1,+1)图像的拉普拉斯能量很好的反应了融合后的图像边界锐化情况，EOL的值越大，则锐化度越高。2.2.6 改进拉普拉斯能量和（SML）：由于拉普拉斯算子的二阶导数在 X和 Y方向可以相互抵消，因此，Nayar 提出了改进的拉普拉斯算子（ML） 。ML的离散逼近的表达式：2(,)=|2(,)-(-,)-(+,)|+|2(,)-(,-)-(
13、,+)|为了适应结构的变化，Nayar 习惯用 ML的间距（step）来表示像素。=+=-=+=-2(,) 其中 2(,) T是阈值，参数 N决定了用于计算评价方法的窗口大小。SML 是在的基础上改进的，其值也是反应边界锐化情况。2.2.7 空间频率（SF）空间频率是一个修改后的图像能量梯度（EOG） ，空间频率的定义是： =()2+()2RF是横向频率：= 1=1=2(,)-(,-1)2CF是纵向频率：= 1=2=1(,)-(-1,)2RF反应的是图像行方向上相邻像素间的差异，CF 反应的是列方向上的相邻像素的差异，SF 反应的是图像微小细节和空间总体的活跃程度，SF 值越大，说明融合效果越好。2.2.8均方根误差（RMSE）RMSE被定义为：=(,)-(,)2其中 R和 F分别是参考图像和合成图像，其像素是 。均方根误差表示融合图像和原来标准图像的离散程度，均方根误差越小，说明两者之间的差异越小，融合性能也越好。交互信息（MI）和正确百分比（PCD）也被用来评估聚焦测度的性能，结果与均方根误差是相似的。因此，这里就不介绍了 MI和 PCD。2.3小结本章简绍了融合图像的主观和客观评价方法，本文主要针对客观评价方法展开，简绍了其中几种常用的评价方法。由于图像的类型不同，融合评价效果也各有差异，需视具体情况而定。第三章图像预处理在图像融合之前，必须做的
